Looker

Comercial Google Cloud Visualização Moderno

Plataforma moderna de business intelligence integrada ao Google Cloud

O que é Looker?

Looker é uma plataforma moderna de business intelligence e data platform que foi adquirida pelo Google Cloud em 2020. Diferente de outras ferramentas de BI, Looker utiliza uma abordagem única baseada em código com LookML (Looker Modeling Language) para definir métricas e dimensões de forma consistente em toda a organização, garantindo uma única fonte da verdade para dados empresariais.

História

Looker foi fundada em 2012 por Lloyd Tabb e Ben Porterfield em Santa Cruz, Califórnia. A empresa revolucionou o mercado de BI ao introduzir o conceito de "modeling layer" com LookML, permitindo que organizações definissem métricas de negócio uma única vez e as reutilizassem em toda a empresa. Em 2020, foi adquirida pelo Google por $2.6 bilhões, tornando-se parte integral do Google Cloud.

Arquitetura

Looker utiliza uma arquitetura moderna baseada em web, construída em Ruby on Rails com frontend em JavaScript. A plataforma não armazena dados, mas sim conecta diretamente às fontes de dados (data warehouses) e executa consultas SQL otimizadas. O LookML atua como uma camada de modelagem que traduz conceitos de negócio em SQL, garantindo consistência e governança.

Vantagens

  • LookML: Linguagem de modelagem que garante consistência de métricas
  • Integração Google Cloud: Nativa com BigQuery, Dataflow e outras ferramentas
  • API-First: Arquitetura API-first permite integrações customizadas
  • Governança de Dados: Controle centralizado de definições e métricas
  • Escalabilidade: Aproveita poder computacional do data warehouse
  • Colaboração: Compartilhamento e versionamento de modelos
  • Embedded Analytics: Facilidade para embedding em aplicações
  • Real-time: Dados sempre atualizados direto da fonte

Desvantagens

  • Curva de Aprendizado: LookML requer conhecimento técnico
  • Custo Elevado: Licenças caras comparado a outras soluções
  • Dependência de Data Warehouse: Requer infraestrutura robusta
  • Limitações Visuais: Menos opções de visualização que Tableau
  • Complexidade Inicial: Setup inicial pode ser complexo

Principais Recursos

🔧 LookML

Linguagem de modelagem que define métricas e dimensões de forma consistente e reutilizável.

🔌 API-First Architecture

Arquitetura baseada em APIs permite integrações customizadas e embedding fácil.

☁️ Google Cloud Integration

Integração nativa com BigQuery, Dataflow, Cloud SQL e todo ecossistema Google.

📊 Modern Dashboards

Dashboards responsivos e interativos com drill-down automático e filtros dinâmicos.

🔍 Data Actions

Ações automatizadas baseadas em dados, como envio de emails ou webhooks.

📱 Mobile BI

Apps móveis nativas para iOS e Android com dashboards otimizados.

Componentes do Looker

Looker Platform: Plataforma principal de BI e analytics
Looker Studio: Ferramenta gratuita para visualizações básicas (ex-Google Data Studio)
Looker Embedded: APIs para embedding analytics em aplicações
Looker Actions: Automações e integrações com sistemas externos
Looker Mobile: Apps móveis para iOS e Android
Looker API: APIs REST para integrações customizadas

Casos de Uso

🏢 Enterprise BI

Business intelligence empresarial com governança centralizada e métricas consistentes.

Exemplo: Dashboard executivo com métricas padronizadas definidas em LookML, garantindo consistência entre departamentos.
📱 Embedded Analytics

Integração de analytics diretamente em aplicações SaaS e produtos digitais.

Exemplo: Plataforma de e-commerce com dashboards de vendas embedded para lojistas.
🔍 Self-Service Analytics

Capacitar usuários de negócio a criar suas próprias análises com governança garantida.

Exemplo: Equipes de marketing criando relatórios personalizados usando métricas pré-definidas.
☁️ Cloud-First Analytics

Organizações que adotaram Google Cloud e precisam de BI nativo na nuvem.

Exemplo: Startup usando BigQuery como data warehouse com Looker para analytics.
🎯 Customer Analytics

Análise de comportamento de clientes com métricas padronizadas e ações automatizadas.

Exemplo: Análise de churn com alertas automáticos e ações de retenção via Looker Actions.

Quando Usar Looker

✅ Recomendado para:
  • Organizações que usam Google Cloud Platform
  • Empresas que precisam de governança rigorosa de dados
  • Necessidade de embedded analytics
  • Equipes técnicas que valorizam abordagem code-first
  • Organizações com data warehouses modernos
  • Necessidade de métricas consistentes entre departamentos
  • Produtos SaaS que precisam de analytics integrado
⚠️ Considere alternativas se:
  • Orçamento limitado (considere Power BI ou Superset)
  • Usuários não têm conhecimento técnico
  • Ambiente não é cloud-first
  • Necessita de visualizações muito avançadas (Tableau)
  • Foco principal é relatórios estáticos
  • Data warehouse não é robusto o suficiente

Exemplos Práticos

Exemplo de LookML Model

# sales.model.lkml
connection: "bigquery_connection"

include: "/views/*.view.lkml"

datagroup: sales_default_datagroup {
  sql_trigger: SELECT MAX(updated_at) FROM sales_orders;;
  max_cache_age: "1 hour"
}

explore: sales_orders {
  join: customers {
    type: left_outer
    sql_on: ${sales_orders.customer_id} = ${customers.id} ;;
    relationship: many_to_one
  }
  
  join: products {
    type: left_outer
    sql_on: ${sales_orders.product_id} = ${products.id} ;;
    relationship: many_to_one
  }
}

Exemplo de LookML View

# sales_orders.view.lkml
view: sales_orders {
  sql_table_name: `project.dataset.sales_orders` ;;
  
  dimension: id {
    primary_key: yes
    type: number
    sql: ${TABLE}.id ;;
  }
  
  dimension_group: order {
    type: time
    timeframes: [raw, date, week, month, quarter, year]
    convert_tz: no
    datatype: date
    sql: ${TABLE}.order_date ;;
  }
  
  dimension: customer_id {
    type: number
    sql: ${TABLE}.customer_id ;;
  }
  
  dimension: product_id {
    type: number
    sql: ${TABLE}.product_id ;;
  }
  
  measure: total_sales {
    type: sum
    sql: ${TABLE}.amount ;;
    value_format_name: usd
  }
  
  measure: average_order_value {
    type: average
    sql: ${TABLE}.amount ;;
    value_format_name: usd
  }
  
  measure: order_count {
    type: count
    drill_fields: [id, order_date, customers.name, products.name]
  }
}

Dashboard Configuration

# sales_dashboard.dashboard.lookml
- dashboard: sales_performance
  title: Sales Performance Dashboard
  layout: newspaper
  preferred_viewer: dashboards-next
  
  elements:
  - title: Total Sales
    name: total_sales
    model: sales
    explore: sales_orders
    type: single_value
    fields: [sales_orders.total_sales]
    limit: 500
    
  - title: Sales by Month
    name: sales_by_month
    model: sales
    explore: sales_orders
    type: looker_line
    fields: [sales_orders.order_month, sales_orders.total_sales]
    sorts: [sales_orders.order_month desc]
    limit: 12
    
  - title: Top Products
    name: top_products
    model: sales
    explore: sales_orders
    type: looker_bar
    fields: [products.name, sales_orders.total_sales]
    sorts: [sales_orders.total_sales desc]
    limit: 10

Looker API Examples

# Python SDK Example
import looker_sdk

# Inicializar SDK
sdk = looker_sdk.init40()

# Executar query
query = {
    "model": "sales",
    "explore": "sales_orders",
    "fields": ["sales_orders.order_date", "sales_orders.total_sales"],
    "filters": {"sales_orders.order_date": "30 days"},
    "sorts": ["sales_orders.order_date desc"]
}

result = sdk.run_inline_query("json", query)

# Criar dashboard
dashboard = {
    "title": "API Created Dashboard",
    "dashboard_elements": [
        {
            "title": "Sales Chart",
            "type": "looker_line",
            "query": query
        }
    ]
}

new_dashboard = sdk.create_dashboard(dashboard)

# Agendar relatório
schedule = {
    "name": "Weekly Sales Report",
    "dashboard_id": new_dashboard.id,
    "scheduled_plan_destination": [
        {
            "type": "email",
            "address": "team@company.com"
        }
    ],
    "crontab": "0 9 * * 1"  # Segunda-feira às 9h
}

sdk.create_scheduled_plan(schedule)

Embedded Analytics Example









import { LookerEmbedSDK } from '@looker/embed-sdk';

function SalesDashboard({ customerId }) {
  useEffect(() => {
    LookerEmbedSDK.createDashboardWithId(123)
      .appendTo('#dashboard')
      .withFilters({
        'sales_orders.customer_id': customerId
      })
      .build();
  }, [customerId]);
  
  return 
; }

Tutoriais Relacionados

🚀 Looker Fundamentals

Curso completo para iniciantes em Looker e LookML.

Ver Tutorial
📊 Advanced LookML

Técnicas avançadas de modelagem com LookML.

Ver Tutorial

Comparações

Looker vs Principais Concorrentes

Critério Looker Tableau Power BI Apache Superset
Preço (por usuário/mês) $35 $70 $10 Gratuito
Governança de Dados ⭐⭐⭐⭐⭐ ⭐⭐⭐ ⭐⭐⭐ ⭐⭐
Embedded Analytics ⭐⭐⭐⭐⭐ ⭐⭐⭐ ⭐⭐⭐⭐ ⭐⭐⭐⭐
Facilidade de Uso ⭐⭐⭐ ⭐⭐⭐⭐⭐ ⭐⭐⭐⭐⭐ ⭐⭐⭐
Google Cloud Integration ⭐⭐⭐⭐⭐ ⭐⭐⭐ ⭐⭐ ⭐⭐⭐

Matriz de Decisão

✅ Escolha Looker se:
  • Usa Google Cloud Platform
  • Precisa de governança rigorosa
  • Quer embedded analytics
  • Tem equipe técnica
  • Valoriza consistência de métricas
  • Precisa de API-first approach
⚠️ Considere alternativas se:
  • Orçamento limitado (Power BI)
  • Usuários não-técnicos (Tableau)
  • Não usa Google Cloud
  • Precisa de visualizações avançadas
  • Quer solução open source (Superset)
  • Foco em relatórios estáticos
📊 Informações Técnicas
Versão Atual:24.20
Licença:Comercial
Linguagem:LookML, SQL
Plataforma:Web, Mobile
Empresa:Google Cloud
🎯 Tecnologias Relacionadas